k-折交叉驗證

人們發現用同一數據集，既進行訓練，又進行模型誤差估計，對誤差估計的很不準確，這就是所說的模型誤差估計的樂觀性。爲了克服這個問題，提出了交叉驗證。基本思想是將數據分爲兩部分，一部分數據用來模型的訓練，稱爲訓練集；另外一部分用於測試模型的誤差，稱爲驗證集。由於兩部分數據不同，估計得到的泛化誤差更接近真實的模型表現。數據量足夠的情況下，可以很好的估計真實的泛化誤差。但是實際中，往往只有有限的數據可用，需

>>阅读原文<<